CN110245573B - 一种基于人脸识别的签到方法、装置及终端设备 - Google Patents

一种基于人脸识别的签到方法、装置及终端设备 Download PDF

Info

Publication number
CN110245573B
CN110245573B CN201910422573.6A CN201910422573A CN110245573B CN 110245573 B CN110245573 B CN 110245573B CN 201910422573 A CN201910422573 A CN 201910422573A CN 110245573 B CN110245573 B CN 110245573B
Authority
CN
China
Prior art keywords
face
image
feature
user
data set
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910422573.6A
Other languages
English (en)
Other versions
CN110245573A (zh
Inventor
赵莫言
王红伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ping An Technology Shenzhen Co Ltd
Original Assignee
Ping An Technology Shenzhen Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Ping An Technology Shenzhen Co Ltd filed Critical Ping An Technology Shenzhen Co Ltd
Priority to CN201910422573.6A priority Critical patent/CN110245573B/zh
Publication of CN110245573A publication Critical patent/CN110245573A/zh
Application granted granted Critical
Publication of CN110245573B publication Critical patent/CN110245573B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172—Classification, e.g. identification
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C1/00—Registering, indicating or recording the time of events or elapsed time, e.g. time-recorders for work people
    • G07C1/10—Registering, indicating or recording the time of events or elapsed time, e.g. time-recorders for work people together with the recording, indicating or registering of other data, e.g. of signs of identity
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供了一种基于人脸识别的签到方法、装置及终端设备，适用于数据处理技术领域，该方法包括：采集用户的现场人脸图像，并对现场人脸图像进行脸部纹理特征分析，得到对应的第一脸部纹理图像；将现场人脸图像的RGB通道图像分别与第一脸部纹理图像进行图像融合，得到与RGB通道分别对应的三类人脸特征图像；对三类人脸特征图像分别进行多维特征向量提取，得到用户特征数据集；基于用户特征数据集和预设用户人脸库中储存的人脸图像样本的特征数据集样本，对现场人脸图像进行人脸匹配，若匹配成功，判定用户签到成功。本发明实施例对人脸匹配时更为全面地考量脸部的整体特征，使得对用户签到变得更为高效准确。

Description

一种基于人脸识别的签到方法、装置及终端设备
技术领域
本发明属于数据处理技术领域，尤其涉及基于人脸识别的签到方法及终端设备。
背景技术
目前，各类社群活动频繁，例如各种展览会和培训会等，这些会议通常都需要参会人员在到达会场时先进行签到，比如需要参会人员到达会场时手动填写姓名信息、联系方式或者递交名片等，由会议组织方进行人员统计，成本高且效率低下。
为了提高用户签到的效率，现有技术中出现了一些基于人脸识别的用户签到方法，即对用户进行人脸识别确定用户的身份，再根据识别出来的身份进行签到，但现有技术中的人脸识别方法都只是提取人脸的多个特征点并基于这些特征点来进行脸部匹配，这样做虽然一定程度上能够实现人脸识别，但准确率较低，经常会出现特征点不匹配导致误识别的情况，使得签到容易出错。
发明内容
有鉴于此，本发明实施例提供了一种基于人脸识别的签到方法及终端设备，以解决现有技术中对参会人员的签到方法效率和准确率低下的问题。
本发明实施例的第一方面提供了一种基于人脸识别的签到方法，包括：
采集用户的现场人脸图像，并对所述现场人脸图像进行脸部纹理特征分析，得到对应的第一脸部纹理图像；
将所述现场人脸图像的RGB通道图像分别与所述第一脸部纹理图像进行图像融合，得到与RGB通道分别对应的三类人脸特征图像；
对所述三类人脸特征图像分别进行多维特征向量提取，得到由提取出的三组多维特征向量构成的用户特征数据集；
基于所述用户特征数据集和预设用户人脸库中储存的人脸图像样本的特征数据集样本，对所述现场人脸图像进行人脸匹配，若匹配成功，判定所述用户签到成功。
本发明实施例的第二方面提供了一种基于人脸识别的签到装置，包括：
纹理分析模块，用于采集用户的现场人脸图像，并对所述现场人脸图像进行脸部纹理特征分析，得到对应的第一脸部纹理图像；
图像融合模块，用于将所述现场人脸图像的RGB通道图像分别与所述第一脸部纹理图像进行图像融合，得到与RGB通道分别对应的三类人脸特征图像；
特征提取模块，用于对所述三类人脸特征图像分别进行多维特征向量提取，得到由提取出的三组多维特征向量构成的用户特征数据集；
人脸匹配模块，用于基于所述用户特征数据集和预设用户人脸库中储存的人脸图像样本的特征数据集样本，对所述现场人脸图像进行人脸匹配，若匹配成功，判定所述用户签到成功。
本发明实施例的第三方面提供了一种终端设备，所述终端设备包括存储器、处理器，所述存储器上存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述的基于人脸识别的签到方法的步骤。
本发明实施例的第四方面提供了一种计算机可读存储介质，包括：存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上所述的基于人脸识别的签到方法的步骤。
本发明实施例与现有技术相比存在的有益效果是：通过对用户人脸图像进行纹理特征分析，并将脸部纹理图像和人脸图像的RGB通道图像分别进行融合，得到了同时具备人脸形状特征和纹理特征的人脸特征图像，基于形状特征和纹理特征在时空上的相关性和信息上的互补性，使得融合后的人脸特征图像对场景具有更加全面和清晰的描述，更加利于对人脸的识别和机器的自动探测，再针对具有更为明显和易于识别特征信息的人脸特征图像进行多维特征提取和比对，将人脸图像匹配转换为人脸特征数据的比对，使得对人脸的匹配可以更为全面地考量脸部的整体特征，使得匹配变得更为高效准确，从而使得对用户人脸匹配的速度和准确率得到了极大的提升且极大地降低了成本，最后在匹配成功时，即识别出用户是待签到的参会人员时，完成对该用户的签到，保证了签到的高效准确。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例一提供的基于人脸识别的签到方法的实现流程示意图；
图2是本发明实施例二提供的基于人脸识别的签到方法的实现流程示意图；
图3是本发明实施例三提供的基于人脸识别的签到方法的实现流程示意图；
图4是本发明实施例四提供的基于人脸识别的签到方法的实现流程示意图；
图5是本发明实施例五提供的基于人脸识别的签到装置的结构示意图；
图6是本发明实施例六提供的终端设备的示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。由于现有技术中仅根据特征点进行匹配过于强调了脸部的局部特征，难以全面地反映脸部的整体特征，而对于用户会议签到的场景，更多的是人员身份匹配，因此相对于其他的人脸识别场景而言，会议签到场景对用户人脸整体特征识别匹配的需求更高，仅考量脸部局部特征容易陷入一些特征点不匹配而识别失败的误区之中，因此，为了提高对会议签到中的脸部识别匹配效率和准确率，本发明实施例中采用了脸部纹理特征的整体分析，同时还将脸部纹理特征图像和现场采集的人脸图像进行RGB通道图像的分别融合，得到同时具备人脸形状特征和纹理特征的人脸特征图像，基于形状特征和纹理特征在时空上的相关性和信息上的互补性，使得融合后的人脸特征图像对场景具有更加全面和清晰的描述，更加利于对人脸的识别和机器的自动探测，再针对具有更为明显和易于识别特征信息的人脸特征图像进行多维特征提取和比对，将人脸图像匹配转换为人脸特征数据的比对，使得对人脸的匹配可以更为全面地考量脸部的整体特征，使得匹配变得更为高效准确，详述如下：
图1示出了本发明实施例一提供的基于人脸识别的签到方法的实现流程图，详述如下：
S101，采集用户的现场人脸图像，并对现场人脸图像进行脸部纹理特征分析，得到对应的第一脸部纹理图像。
在本发明实施例中，基于人脸识别签到方法的执行主体可以根据实际应用需求进行设定，既可以是一个独立的终端设备设置在签到现场，如一个集成有采集和人脸识别匹配功能的移动终端，也可以是将本发明实施例集成于已有的一些终端设备之中，例如可以将本发明实施例集成于常见的智能移动终端之中，由于现有的智能移动终端很多都具有拍摄功能，因此，此时只需要直接使用智能移动终端来进行现场用户的人脸图像拍摄，以及后续的人脸识别匹配即可。
在采集到用户现场人脸图像之后，本发明实施例会首先对现场人脸图像进行面部纹理特征分析，以获取到对应的脸部纹理图像，其中，具体的纹理特征分析方法可由技术人员根据实际需求自行设定，包括但不限于如对现场人脸图像进行LBP(Local BinaryPattern，局部二值模式)特征提取，并得到对应的LBP图像，或者如以下本发明实施例二进行处理，得到对应的脸部纹理图像：
S201，在现场人脸图像中设定一个半径为r的圆形区域，查找圆形区域中心像素点，并在圆形区域内取p个采样点。
S202，基于公式(1)对p个采样点进行处理，得到第一脸部纹理图像。
Figure BDA0002066473580000051
Figure BDA0002066473580000052
其中，p为正整数，1≤i≤p，gi为第i个采样点的像素值，gc为中心像素点的像素值，Face(p，r)为第一脸部纹理图像中各个采样点的灰度值。
在本发明实施例中，首先会在人脸图像中设定一个半径为r的圆形，其中，为了实现对人脸图像整体的纹理特征分析，该圆形区域应当覆盖完整个人脸图像，优选地，可以将人脸图像的对角线交点作为圆心，以圆心到人脸图像边缘最长距离作为半径r构建本发明实施例中的圆形区域。同时，在本发明实施例中，f(gi-gc)用于对每个像素点进行灰度化处理，2i用于使得灰度值多阶化，使得纹理特征更为细致，再使用2i减去每个像素点直接灰度化的像素值，使得整体人脸图像灰度值取反，进一步地使得纹理特征更加凸显。
S102，将现场人脸图像的RGB通道图像分别与第一脸部纹理图像进行图像融合，得到与RGB通道分别对应的三类人脸特征图像。
在得到所需的脸部纹理图像之后，本发明实施例会将现场人脸图像进行RGB通道图像的提取，并将R通道图像、G通道图像以及B通道图像分别与脸部纹理图像进行融合处理，得到对应的三类人脸特征图像。
由于脸部纹理图像表征的是人脸纹理特征信息，主要以灰度化之后明暗变化的形式进行体现，但在进行灰度化处理的同时，也一定程度上弱化了人脸图像的形状特征，例如在一定的光线和环境颜色条件下，当人脸图像的背景亮度与人脸亮度较为接近时，脸部纹理图像难以明显体现人脸图像中人脸与背景的边界所在，故其识别结果存在背景因素的干扰。而在实际应用中发现，人脸与背景的边界像素的信息至少能够在RGB通道中的其中之一(R通道、G通道或者B通道)得到较为明显的体现。因此，通过将上述进行特征提取后得到的脸部纹理图像与初始人脸图像的RGB通道图像分别进行融合，得到的三类融合图像中至少有一类能够既包含了较为明显的人脸边界信息，又包含了较为明显的纹理特征信息。这样一来，通过对融合图像进行多维特征向量提取，可以基于人脸边界信息得到人脸图像的形状特征，结合人脸图像的形状特征和人脸图像的纹理特征，来得到包含两类特征(形状特征和纹理特征)的用于表征人脸的多维特征向量。该多维特征向量相对于现有技术中仅基于纹理特征进行人脸识别的方法明显具有更好的准确度。
需要说明的是，现有技术中，图像融合(Image Fusion)是用特定的算法将两幅或多幅图像综合成一幅新的图像。融合结果由于能利用两幅(或多幅)图像在时空上的相关性及信息上的互补性，并使得融合后得到的图像对场景有更全面、清晰的描述，从而更有利于人眼的识别和机器的自动探测。然而，本方案中的图像融合是针对于同一图像(人脸图像)，在两种不同的条件下(一种是局部灰度化提取纹理特征，一种是RGB通道下体现边界信息和形状特征)得到两种特征图像，将这两种特征图像进行图像融合，使得到的融合图像具备更明显的、更易于识别的特征信息，即本方案中的融合图像由于来源于同一原始图像，故在本发明实施例中，具体的图像融合既可以是直接进行图像像素叠加，得到融合图像，也可以是采用其他的图像融合方法，可由技术人员根据实际需求自行设定，此处不予限定。
作为本发明实施例一中进行图像融合的一种具体实现方法，包括：
将现场人脸图像的RGB通道图像分别与第一脸部纹理图像进行图像对应像素点的像素叠加，得到与RGB通道分别对应的三类人脸特征图像。
S103，对三类人脸特征图像分别进行多维特征向量提取，得到由提取出的三组多维特征向量构成的用户特征数据集。
在得到融合图像之后，可以采用如残差神经网络等作为特征提取器(具体可由技术人员自行设定)，将融合图像映射为多维特征向量。例如64维或者128维的特征向量(该维度数与识别精度相关，维度数越多，识别精度越高)。由于该融合图像由突出了人脸图像纹理特征的脸部纹理图像和通道图像融合而成，故既具有较好的识别速度，又具有较高的识别准确度。
S104，基于用户特征数据集和预设用户人脸库中储存的人脸图像样本的特征数据集样本，对现场人脸图像进行人脸匹配，若匹配成功，判定用户签到成功。
在本发明实施例中，为了实现对用户签到的自动签到，首先需要预先对需要签到的用户进行人脸图像的采集录入，并生成包含所有需要签到人员的人脸图像样本的用户人脸库，同时，对应于本发明实施例中对用户人脸的纹理特征分析、RGB通道图像融合以及最后的多维特征向量提取，本发明实施例中预先构建的用户人脸库中，也应当具有经过对应处理过程处理后得到的人脸图像样本的特征数据集样本，以保证本发明实施例后续的正常人脸匹配。其中，对人脸图像样本具体的纹理特征分析方法、RGB通道图像融合方法以及多维特征向量提取，可由技术人员自行选定，亦可以参考本发明实施例五方法进行处理。在已获取到对用户现场采集的人脸图像对应的用户特征数据集之后，本发明实施例会将该用户特征数据集与用户人脸库中每个人脸图像样本的特征数据集样本依次进行匹配，直至查找出匹配成功的特征数据集样本，说明该用户是属于待签到人员中的用户，此时会直接将该特征数据集样本对应的人脸图像样本判定为是该用户的人脸图像，并对该用户进行签到成功记录。其中，具体的特征数据集匹配方法，可由技术人员根据实际需求自行设定，包括但不限于如直接进行数据一一比对，或者参考本发明实施例三进行匹配，此处不予限定。
应当说明地，在本发明实施例中，获取到的现场人脸图像的数量既可以是一张，也可以是多张，对于多张的情况，假设共采集了n张用户的现场人脸图像，n为大于1的正整数，此时得到的第一脸部纹理图像为n张，且得到的每一类的人脸特征图像中也分别包含n张图像，在进行多维特征向量提取时，首先会得到每组均包含n条多维特征向量的多维特征向量组，后面本发明实施例则会对这些多维特征向量组内的多维特征向量进行合并，因此最终得到的三组多维特征向量内，均仅包含一条多维特征向量。
本发明实施例中采用了脸部纹理特征的整体分析，同时还将脸部纹理特征图像和现场采集的人脸图像进行RGB通道图像的分别融合，得到同时具备人脸形状特征和纹理特征的人脸特征图像，基于形状特征和纹理特征在时空上的相关性和信息上的互补性，使得融合后的人脸特征图像对场景具有更加全面和清晰的描述，更加利于对人脸的识别和机器的自动探测，再针对具有更为明显和易于识别特征信息的人脸特征图像进行多维特征提取和比对，将人脸图像匹配转换为人脸特征数据的比对，使得对人脸的匹配可以更为全面地考量脸部的整体特征，使得匹配变得更为高效准确。
作为本发明的一个实施例，对于匹配失败的，既可以判断该用户不属于待签到人员，也可以重新对该用户进行现场人脸图像采集和匹配。考虑到实际情况中会议签到的场景内，来的用户一般都是待签到人员，因此对与本发明实施例而言，匹配失败的最大可能是获取的用户现场人脸图像质量不佳，因此，优选地，在本发明实施例中，若匹配失败，本发明实施例会重新采集用户的现场人脸图像并匹配，并会记录对该用户匹配失败的次数，若失败次数大于设定的第一阈值，则通过语音等方式提示用户调整面对采集摄像头的角度，以提高采集的现场人脸图像质量，若在失败次数大于设定的第二阈值，则判定该用户不是待签到人员。其中，第二阈值大于第一阈值，第一阈值和第二阈值的大小可由技术人员自行设定。
作为本发明的一个实施例，包括：从预设用户人脸库中删除用户对应匹配成功的人脸图像样本，以及对应的特征数据集样本。
由于一个用户会议签到只要成功了一次就可以了，因此为了提高对后续人员签到的效率，本发明实施例会在每次用户签到成功之后，将成功签到的用户对应在用户人脸库中的数据删除，使得后续匹配时所需查找的数据量减小，提高整体的用户匹配签到效率。
作为本发明实施例一中进行用户人脸匹配的一种具体实现方法，如图3所示，本发明实施例三，包括：
S301，通过公式(2)计算用户特征数据集和特征数据集样本的相似度。
Figure BDA0002066473580000091
其中，xi为由用户特征数据集中的第i个特征数据，yi为特征数据集样本中的第i个特征数据，n表示特征数据集的维度数，即特征数据集中包含的特征数量，1≤i≤n，Similar(x，y)为用户特征数据集和特征数据集样本的相似度。
S302，若相似度大于预设相似度阈值，判定现场人脸图像匹配成功。
作为本发明实施例一中预先构建用户人脸库的一种具体实现方法，如图4所示，本发明实施例四，包括：
S401，获取待签到的样本用户的人脸图像样本，并对人脸图像样本进行脸部纹理特征分析，得到对应的第二脸部纹理图像。
S402，将人脸图像样本的RGB通道图像分别与第一脸部纹理图像进行图像融合，得到与RGB通道分别对应的三类人脸特征图像样本。
S403，对三类人脸特征图像样本分别进行多维特征向量提取，得到由提取出的三组多维特征向量构成的特征数据集样本。
本发明实施例中对人脸图像脸部纹理特征分析、图像融合以及多维特征向量提取的处理方式，均与本发明实施例一相同，具体可参考本发明实施例一相关说明，此处不予详述。
与本发明实施例一不同的是，为了保证用户人脸库的数据有效性，本发明实施例中采集的人脸图像样本，均需具有较高的图像质量且可以提取出较多有效的纹理特征，具体而言，在对用户采集人脸图像样本，本发明实施例中，既可以由技术人员对采集的人脸图像样本进行质量筛选，也可预先设置对应的图像质量筛选方法，对采集到的人脸图像样本进行自动筛选，以得到所需的人脸图像样本。
对应于上文实施例的方法，图5示出了本发明实施例提供的基于人脸识别的签到装置的结构框图，为了便于说明，仅示出了与本发明实施例相关的部分。图5示例的基于人脸识别的签到装置可以是前述实施例一提供的基于人脸识别的签到方法的执行主体。
参照图5，该基于人脸识别的签到装置包括：
纹理分析模块51，用于采集用户的现场人脸图像，并对所述现场人脸图像进行脸部纹理特征分析，得到对应的第一脸部纹理图像。
图像融合模块52，用于将所述现场人脸图像的RGB通道图像分别与所述第一脸部纹理图像进行图像融合，得到与RGB通道分别对应的三类人脸特征图像。
特征提取模块53，用于对所述三类人脸特征图像分别进行多维特征向量提取，得到由提取出的三组多维特征向量构成的用户特征数据集。
人脸匹配模块54，用于基于所述用户特征数据集和预设用户人脸库中储存的人脸图像样本的特征数据集样本，对所述现场人脸图像进行人脸匹配，若匹配成功，判定所述用户签到成功。
进一步地，该基于人脸识别的签到装置，还包括：
从所述预设用户人脸库中删除所述用户对应匹配成功的人脸图像样本，以及对应的特征数据集样本。
进一步地，纹理分析模块51，包括：
在所述现场人脸图像中设定一个半径为r的圆形区域，查找圆形区域中心像素点，并在圆形区域内取p个采样点。
基于以下公式对p个所述采样点进行处理，得到所述第一脸部纹理图像：
Figure BDA0002066473580000111
Figure BDA0002066473580000112
其中，p为正整数，1≤i≤p，gi为第i个采样点的像素值，gc为中心像素点的像素值，Face(p，r)为所述第一脸部纹理图像中各个采样点的灰度值。
进一步地，图像融合模块52，包括：
将所述现场人脸图像的RGB通道图像分别与所述第一脸部纹理图像进行图像对应像素点的像素叠加，得到与RGB通道分别对应的所述三类人脸特征图像。
进一步地，人脸匹配模块54，包括：
通过以下公式计算所述用户特征数据集和所述特征数据集样本的相似度：
Figure BDA0002066473580000113
其中，xi为由用户特征数据集中的第i个特征数据，yi为特征数据集样本中的第i个特征数据，n表示特征数据集的维度数，即特征数据集中包含的特征数量，1≤i≤n，Similar(x，y)为用户特征数据集和特征数据集样本的相似度。
若所述相似度大于预设相似度阈值，判定所述现场人脸图像匹配成功。
进一步地，该基于人脸识别的签到装置，还包括：
获取待签到的样本用户的所述人脸图像样本，并对所述人脸图像样本进行脸部纹理特征分析，得到对应的第二脸部纹理图像。
将所述人脸图像样本的RGB通道图像分别与所述第一脸部纹理图像进行图像融合，得到与RGB通道分别对应的三类人脸特征图像样本。
对所述三类人脸特征图像样本分别进行多维特征向量提取，得到由提取出的三组多维特征向量构成的所述特征数据集样本。
本发明实施例提供的基于人脸识别的签到装置中各模块实现各自功能的过程，具体可参考前述图1所示实施例一的描述，此处不再赘述。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
还应理解的是，虽然术语“第一”、“第二”等在文本中在一些本发明实施例中用来描述各种元素，但是这些元素不应该受到这些术语的限制。这些术语只是用来将一个元素与另一元素区分开。例如，第一表格可以被命名为第二表格，并且类似地，第二表格可以被命名为第一表格，而不背离各种所描述的实施例的范围。第一表格和第二表格都是表格，但是它们不是同一表格。
图6是本发明一实施例提供的终端设备的示意图。如图6所示，该实施例的终端设备6包括：处理器60、存储器61，所述存储器61中存储有可在所述处理器60上运行的计算机程序62。所述处理器60执行所述计算机程序62时实现上述各个基于人脸识别的签到方法实施例中的步骤，例如图1所示的步骤101至105。或者，所述处理器60执行所述计算机程序62时实现上述各装置实施例中各模块/单元的功能，例如图5所示模块51至54的功能。
所述终端设备6可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括，但不仅限于，处理器60、存储器61。本领域技术人员可以理解，图6仅仅是终端设备6的示例，并不构成对终端设备6的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备还可以包括输入发送设备、网络接入设备、总线等。
所称处理器60可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器61可以是所述终端设备6的内部存储单元，例如终端设备6的硬盘或内存。所述存储器61也可以是所述终端设备6的外部存储设备，例如所述终端设备6上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器61还可以既包括所述终端设备6的内部存储单元也包括外部存储设备。所述存储器61用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器61还可以用于暂时地存储已经发送或者将要发送的数据。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory，ROM)、随机存取存储器(RandomAccess Memory，RAM)、电载波信号、电信信号以及软件分发介质等。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使对应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (8)

1.一种基于人脸识别的签到方法，其特征在于，包括：
采集用户的现场人脸图像，并对所述现场人脸图像进行脸部纹理特征分析，得到对应的第一脸部纹理图像；
将所述现场人脸图像的RGB通道图像分别与所述第一脸部纹理图像进行图像融合，得到与RGB通道分别对应的三类人脸特征图像；
对所述三类人脸特征图像分别进行多维特征向量提取，得到由提取出的三组多维特征向量构成的用户特征数据集；
基于所述用户特征数据集和预设用户人脸库中储存的人脸图像样本的特征数据集样本，对所述现场人脸图像进行人脸匹配，若匹配成功，判定所述用户签到成功；
所述对所述现场人脸图像进行脸部纹理特征分析，得到对应的第一脸部纹理图像，包括：
在所述现场人脸图像中设定一个半径为r的圆形区域，查找圆形区域中心像素点，并在圆形区域内取p个采样点；
基于以下公式对p个所述采样点进行处理，得到所述第一脸部纹理图像：
Figure QLYQS_1
Figure QLYQS_2
其中，p为正整数，1≤i≤p，
Figure QLYQS_3
为第i个采样点的像素值，/>
Figure QLYQS_4
为中心像素点的像素值，
Figure QLYQS_5
为所述第一脸部纹理图像中各个采样点的灰度值；
所述将所述现场人脸图像的RGB通道图像分别与所述第一脸部纹理图像进行图像融合，得到与RGB通道分别对应的三类人脸特征图像，包括：
将所述现场人脸图像的RGB通道图像分别与所述第一脸部纹理图像进行图像对应像素点的像素叠加，得到与RGB通道分别对应的所述三类人脸特征图像。
2.如权利要求1所述的基于人脸识别的签到方法，其特征在于，所述基于所述用户特征数据集和预设用户人脸库中储存的人脸图像样本的特征数据集样本，对所述现场人脸图像进行人脸匹配，包括：
通过以下公式计算所述用户特征数据集和所述特征数据集样本的相似度：
Figure QLYQS_6
其中，
Figure QLYQS_7
为由用户特征数据集中的第i个特征数据，/>
Figure QLYQS_8
为特征数据集样本中的第i个特征数据，n表示特征数据集的维度数，即特征数据集中包含的特征数量，1≤i≤n，
Figure QLYQS_9
为用户特征数据集和特征数据集样本的相似度；
若所述相似度大于预设相似度阈值，判定所述现场人脸图像匹配成功。
3.如权利要求1所述的基于人脸识别的签到方法，其特征在于，在所述采集用户的现场人脸图像之前，还包括：
获取待签到的样本用户的所述人脸图像样本，并对所述人脸图像样本进行脸部纹理特征分析，得到对应的第二脸部纹理图像；
将所述人脸图像样本的RGB通道图像分别与所述第一脸部纹理图像进行图像融合，得到与RGB通道分别对应的三类人脸特征图像样本；
对所述三类人脸特征图像样本分别进行多维特征向量提取，得到由提取出的三组多维特征向量构成的所述特征数据集样本。
4.如权利要求1至3任意一项所述的基于人脸识别的签到方法，其特征在于，在判定所述用户签到成功之后，还包括：
从所述预设用户人脸库中删除所述用户对应匹配成功的人脸图像样本，以及对应的特征数据集样本。
5.一种基于人脸识别的签到装置，其特征在于，包括：
纹理分析模块，用于采集用户的现场人脸图像，并对所述现场人脸图像进行脸部纹理特征分析，得到对应的第一脸部纹理图像；
图像融合模块，用于将所述现场人脸图像的RGB通道图像分别与所述第一脸部纹理图像进行图像融合，得到与RGB通道分别对应的三类人脸特征图像；
特征提取模块，用于对所述三类人脸特征图像分别进行多维特征向量提取，得到由提取出的三组多维特征向量构成的用户特征数据集；
人脸匹配模块，用于基于所述用户特征数据集和预设用户人脸库中储存的人脸图像样本的特征数据集样本，对所述现场人脸图像进行人脸匹配，若匹配成功，判定所述用户签到成功；
所述对所述现场人脸图像进行脸部纹理特征分析，得到对应的第一脸部纹理图像，包括：
在所述现场人脸图像中设定一个半径为r的圆形区域，查找圆形区域中心像素点，并在圆形区域内取p个采样点；
基于以下公式对p个所述采样点进行处理，得到所述第一脸部纹理图像：
Figure QLYQS_10
Figure QLYQS_11
其中，p为正整数，1≤i≤p，
Figure QLYQS_12
为第i个采样点的像素值，/>
Figure QLYQS_13
为中心像素点的像素值，
Figure QLYQS_14
为所述第一脸部纹理图像中各个采样点的灰度值；
所述将所述现场人脸图像的RGB通道图像分别与所述第一脸部纹理图像进行图像融合，得到与RGB通道分别对应的三类人脸特征图像，包括：
将所述现场人脸图像的RGB通道图像分别与所述第一脸部纹理图像进行图像对应像素点的像素叠加，得到与RGB通道分别对应的所述三类人脸特征图像。
6.如权利要求5所述的基于人脸识别的签到装置，其特征在于，所述人脸匹配模块，包括：
通过以下公式计算所述用户特征数据集和所述特征数据集样本的相似度：
Figure QLYQS_15
其中，
Figure QLYQS_16
为由用户特征数据集中的第i个特征数据，/>
Figure QLYQS_17
为特征数据集样本中的第i个特征数据，n表示特征数据集的维度数，即特征数据集中包含的特征数量，1≤i≤n，
Figure QLYQS_18
为用户特征数据集和特征数据集样本的相似度；
若所述相似度大于预设相似度阈值，判定所述现场人脸图像匹配成功。
7.一种终端设备，其特征在于，所述终端设备包括存储器、处理器，所述存储器上存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至4任一项所述方法的步骤。
8.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至4任一项所述方法的步骤。
CN201910422573.6A 2019-05-21 2019-05-21 一种基于人脸识别的签到方法、装置及终端设备 Active CN110245573B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910422573.6A CN110245573B (zh) 2019-05-21 2019-05-21 一种基于人脸识别的签到方法、装置及终端设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910422573.6A CN110245573B (zh) 2019-05-21 2019-05-21 一种基于人脸识别的签到方法、装置及终端设备

Publications (2)

Publication Number Publication Date
CN110245573A CN110245573A (zh) 2019-09-17
CN110245573B true CN110245573B (zh) 2023-05-26

Family

ID=67884650

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910422573.6A Active CN110245573B (zh) 2019-05-21 2019-05-21 一种基于人脸识别的签到方法、装置及终端设备

Country Status (1)

Country Link
CN (1) CN110245573B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110263681B (zh) * 2019-06-03 2021-07-27 腾讯科技（深圳）有限公司 面部表情的识别方法和装置、存储介质、电子装置
CN111263313A (zh) * 2019-11-29 2020-06-09 清研讯科（北京）科技有限公司 一种查验方法和装置
CN111079587B (zh) * 2019-12-03 2023-09-22 北京迈格威科技有限公司 人脸的识别方法、装置、计算机设备及可读存储介质
CN110991412A (zh) * 2019-12-20 2020-04-10 北京百分点信息科技有限公司 人脸识别的方法、装置、存储介质及电子设备
CN112000940B (zh) * 2020-09-11 2022-07-12 支付宝(杭州)信息技术有限公司 一种隐私保护下的用户识别方法、装置以及设备
CN113033307B (zh) * 2021-02-22 2024-04-02 浙江大华技术股份有限公司 对象的匹配方法、装置、存储介质及电子装置
CN114387652A (zh) * 2022-01-12 2022-04-22 北京百度网讯科技有限公司 图像识别方法、识别模型的训练方法、装置和电子设备

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106250858A (zh) * 2016-08-05 2016-12-21 重庆中科云丛科技有限公司 一种融合多种人脸识别算法的识别方法及系统
CN108304789A (zh) * 2017-12-12 2018-07-20 北京深醒科技有限公司 脸部识别方法及装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018126275A1 (en) * 2016-12-30 2018-07-05 Dirk Schneemann, LLC Modeling and learning character traits and medical condition based on 3d facial features

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106250858A (zh) * 2016-08-05 2016-12-21 重庆中科云丛科技有限公司 一种融合多种人脸识别算法的识别方法及系统
CN108304789A (zh) * 2017-12-12 2018-07-20 北京深醒科技有限公司 脸部识别方法及装置

Also Published As

Publication number Publication date
CN110245573A (zh) 2019-09-17

Similar Documents

Publication Publication Date Title
CN110245573B (zh) 一种基于人脸识别的签到方法、装置及终端设备
CN110825765B (zh) 一种人脸识别的方法和装置
EP3916627A1 (en) Living body detection method based on facial recognition, and electronic device and storage medium
US11455831B2 (en) Method and apparatus for face classification
CN110705405B (zh) 目标标注的方法及装置
Wong et al. Patch-based probabilistic image quality assessment for face selection and improved video-based face recognition
CN109858384B (zh) 人脸图像的捕捉方法、计算机可读存储介质及终端设备
CN108256591B (zh) 用于输出信息的方法和装置
CN109871845B (zh) 证件图像提取方法及终端设备
CN108563651B (zh) 一种多视频的目标搜索方法、装置及设备
CN109116129B (zh) 终端检测方法、检测设备、系统及存储介质
JP6731529B1 (ja) 単一画素攻撃サンプルの生成方法、装置、設備及び記憶媒体
CN108108711B (zh) 人脸布控方法、电子设备及存储介质
CN110941978B (zh) 一种未识别身份人员的人脸聚类方法、装置及存储介质
CN109815823B (zh) 数据处理方法及相关产品
CN113158773B (zh) 一种活体检测模型的训练方法及训练装置
CN114612987A (zh) 一种表情识别方法及装置
CN108399401B (zh) 用于检测人脸图像的方法和装置
CN113111880A (zh) 证件图像校正方法、装置、电子设备及存储介质
CN115083006A (zh) 虹膜识别模型训练方法、虹膜识别方法及装置
CN115731422A (zh) 多标签分类模型的训练方法、分类方法及装置
CN110659631B (zh) 车牌识别方法和终端设备
CN112287945A (zh) 碎屏确定方法、装置、计算机设备及计算机可读存储介质
CN114140427B (zh) 一种物体检测方法及装置
CN116246298A (zh) 一种空间占用人数统计方法、终端设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant